三次 IPO 之后，Frank Slootman 仍然认为，这份工作的关键是紧迫感

Frank Slootman 是 Data Domain、ServiceNow 和 Snowflake 三家公司的三度 CEO，是那种以不懈执行力让同行敬仰的经营者。Sarah Guo 和 Elad Gil 主持 No Priors 播客，请他来聊 Snowflake 的前景和企业 AI 的机会，然后从他的故事起点说起：他在荷兰长大，是家里第一个上大学的人，后来移民到美国。小时候，他专注而自律，身上带着一股倔劲，他通常也欣赏别人身上的这种劲头。人需要一个早上起床的理由。他说，美国是一块大得多的画布。毫无疑问，在他出生的地方，他不可能做成在这里做到的事。

贯穿他经历的，与其说是什么秘诀，不如说是一种性情，他会在这一小时里反复点明：接受那些你改变不了的环境，然后不遗余力地推动你能改变的部分。人生看起来可能像随机游走，一连串事件从这一件跳到下一件。回头看，他得去找出混乱中的章法。一旦找到，这套方法简单得不合潮流。强度算不上一种心情，它本身就是工作。

两位主持人念出的履历已经像一部精选集，而他仍然需要做出更正。他们说，他带着 Data Domain 从不到 300 万美元一路走到 IPO，并以 20 亿美元的价格被 EMC 收购；带 ServiceNow 从 7500 万美元走到 IPO，估值约为 14 亿到 15 亿美元；然后是 Snowflake，数据领域的开创性公司之一，也是当时规模最大的软件 IPO 之一。他马上会回到 Data Domain 这件事上。更深层的问题是，这些工作之间有什么共同点，以及在抵达 Snowflake 之前已经做出那么多成绩之后，他仍然要证明什么。

Guo 注意到，他总说自己搭上了对的电梯，而且他加入的一些公司，当时并不是最火的。他用这个比喻，是因为机会和环境中有些方面你无法改变。无论好坏，你都会受其影响，所以需要慎重选择。有些人以为自己能靠意志力达到任何目标，那并不对。你将去往哪里，属于什么行业，什么公司，和哪些人共事，这些选择都具有塑造性。把好的选择和出色的执行结合起来，就得到了未来机会的那杯鸡尾酒。这非常重要。

他每年会有几次去知名的商学院，向毕业班讲话。学生们总希望听到一个信息。他的信息是：毕业后别去咨询公司上班。去真实经济里找份真正的工作，做真正的产品，卖真正的产品。你需要亲身感受经济主流中那股奔涌的力量，别老挂在别人的食槽边上，坐在边缘一路滑行，还为自己感觉良好，却从未真正接触过实体经济。他希望职业早期的人能感受到竞争的热度，以及市场消失时的寒风。很多人选的工作离真实世界很远。他认为，这对成长并没有帮助。

Gil 的一贯建议是，先选对行业，再选行业里最好的公司；角色是次要的。Slootman 完全同意。角色并不那么重要。你会有很多个，角色来来去去。他的第一份工作，是他真的不想做的。作为移民，乞丐没有挑剔的余地。他想着先进去，再从那里闯出路来。他进了一个大约六人的企业规划小组，挂靠在一家大型计算机公司的 CEO 名下，离真实世界有多远就有多远。那是平权行动盛行的年代，他们没有太多人选可挑。他花了两年做典型的 MBA 工作：并购、董事会汇报。之后，他们基本会给他任何他想要的东西。从那里开始，他一路走了上来。

他先澄清了关于 Data Domain 的记录。他们没有收入、没有客户，什么都没有，团队只有 15 个人。刚开始梳理产品时，它只有 1 TB 的可用空间，运行速度约为每秒 30 MB，对 99.9% 的应用都没用。他为什么接下这份工作？他当时并不清楚。他被拒绝过很多次首席执行官的机会，对他感兴趣的，都是二三流的选择。人们提醒他别再等，你需要真正好的投资人。他们是一家创业公司，在数百家中只是其中之一。他走过 NEA 和 Greylock 的走廊，人们会打量他：你是谁，那是什么公司？他们是无名之辈，还被人教训要去看别的公司，而那些公司事后看也都成了无名之辈。他就爱这种戏剧性。他们没有产品与市场契合，就是没有。

一次和首席信息官的会议上，终于出现了一点契合的迹象。那家公司后来被 EMC 收购。客户在测试产品，那个人说，他们那个小盒子在周五真是大功臣。邮件数据库在备份到 Data Domain 设备上之后，于周五下午四点出现了大规模损坏，那时候这很常见，现在已经不常见了。过去的方案是整个周末用磁带恢复，人们睡在行军床上。后来他们想起，磁盘上还有一份备份。到了当晚七点，他们已经可以回家了。你不需要是火箭科学家，也能想到还有另一种用途，可以再卖出好几次。他们活了下来。第一年确实做到了 300 万美元。他至今还记得第一份合同：斯坦福大学一笔 5000 美元的服务合同，对方一路抱怨、吐槽。他当时想，这将是一门好生意。

Gil 称《Tape Sucks》是市场推广和销售方面的宝藏，满是其他商业书籍略过的渠道策略和合作技巧。Slootman 是自费出版的，土法手工，页数不多，没有水分。他收到的邀约很多，有咖啡约见、演讲和咨询，如果全部接下来就成了一份全职工作，所以他选择写书。上一本《Amp It Up》，他原本并不想写。Snowflake 的首席营销官（CMO）Denise Pearson 推了他一把，让这件事变得容易了些。每个字都是他自己写的；一位代笔作者请他举例，好让公司之外的人能看懂。他说，美国人总以为有一个可以提炼的公式，只要拿到手就能照做。这本书是他对一个问题的回答：为什么他在不同的时代、市场、技术和竞争对手面前，都取得了三次成功。他并不想推销它，你同不同意，他也不在乎。他的确在待过的每家公司里都取消了客户成功（customer success）部门。他认为，那是硅谷正在发生的最大的一件事。这并不要求他人同意，他只是在告诉你，它是什么。

为什么那么多首席执行官和领导者都不去推动更强的紧迫感或更高的标准？他问，有没有去过加州的 DMV？那就是紧迫感缺失的样子。这是人类的天性，是与生俱来的。我们会慢得像冰川，除非有人去推动节奏、速度、强度和紧迫感。领导者就必须这样做，因为人自然会慢下来，思绪飘向下一次假期或周末。你需要高度的专注、高强度，以及对我们所做之事的全神贯注。人们问他这本书的核心信息是什么。看书名就行。在你鼻子底下，有一个 X 因素，就在空白处，有大量的余地。你可以在下一场会议、下一期播客、下一封邮件、下一条 Slack 消息里把它拿起来：推动紧迫感、标准和对齐。道理很简单，但要把它带进今天的每一次互动里，需要的精神能量很难持续。

他见过一些年轻的首席执行官，以为雇一群人，然后坐等伟大到来就行。他们完全不知道，自己必须每天、每一秒、每一次互动都不遗余力地推动，并主动去面对冲突。首席执行官的工作充满了冲突，这与人性相悖，我们会回避它。他有一位创始人兼 CEO，每当有人必须被解雇，就让 CFO 去做，而那一天他自己待在家里，因为这太难了。他不具备做这件事的气质。Slootman 能理解。企业里仍然有人必须去做这种事。

Gil 说，大家担心的是，如果你推得太狠，人们就会离开，你会在人才市场上输掉。Slootman 的回答是：如果他们要走，那就让他们走。文化会筛选。你吸引对的人，也开始流失错的人。这其实相当完美。他们只是跟你的基因、血型对不上，你得围绕自己打造出属于你的血型，否则只会剩下冲突。他记得有些人两周后就说，他们受不了这种节奏和强度。那并非他个人的问题，每个人都是这样，当众点名、推动他们不习惯的期望。他们想下午四点回家，去学校接孩子。他告诉他们，最好回惠普去，在隔间里睡觉。这里不是那种地方。

他补充说，文化可以非常有帮助，但它不能一概而论，没有什么普遍的好文化。文化需要服务于你的使命，能有效服务使命的，就是好文化。不存在普适的好文化。它取决于领导的类型、业务的类型，以及你在旅程中所处的位置。如果你不去填补这个空白，别人就会去填。

被要求讲讲 Snowflake 101（入门课）时，他说，创始人会立刻反驳，说他们从来都不是做仓储的。他们从一开始就在处理半结构化数据，工作负载远远超出纯结构化数据上的批处理分析。创始人是两名法国人，是甲骨文的老资格技术人员和架构师，负责把甲骨文从一个部门级平台，推进成后来的企业级平台。并行 SQL 就是他们开发的。他们离开后，想为云计算重新构想数据库管理，尽可能少地携带旧技术，没有拿一个 Postgres 内核来为云端改一改。他对这种做法颇有微词，因为很多人都这么干过。

他们做出了一些突破性的东西。最明显的是存储与计算的分离。过去你是把它们捆在一起买的，买不了其中一个而不买另一个。在云上，你可以把它们分开使用。商业模式逐渐演变为按消费计费，最终以计算秒数计费，告别了节点和机器小时的时代。另一个举措，是把控制平面（control plane）从集群里拿出来。如今的集群都是无状态、没有自我意识的，这很好，因为你可以同时运行大量集群。集群内部没有主节点，主节点在外部。在过去的数据仓库世界里，你得提前三个月去求一个凌晨 2:30 的时段，因为集群很快就会被用光。现在没有上限了。他常对投资人说，他并没有在创造需求，只是在释放需求。这种需求被压抑得厉害，简直疯狂。你可以为经济性（尽可能便宜）来配置，也可以为极致性能来配置，并自己做出选择。他们在传统市场上打开了需求，开始迁移大量的 Teradata 集群、老旧的 Hadoop 和 Cloudera，以及大量的甲骨文和 SQL Server。现在还只是早期阶段。这些平台并不容易搬。

他刚开始时的口号是“为云而生的数据仓库”。他不想一直用这个说法。一旦被刷上某种标签，很快就洗不掉，事情也确实是这样。每次听到“数据仓库”这个词，他都会有过敏反应。对他来说，它现在只是一种工作负载类型，不再是一个市场或一个行业。云数据管理平台，包括 Snowflake，都在努力成为覆盖全部光谱的工作负载承载者：从最偏批处理的分析，到流式处理、在线事务处理、超大规模，以及极低延迟。数据云背后的前提是，工作去找数据，数据不去找工作。历史上，数据一直被泵送到工作所在之处，无论你是否尝试，都会造成大量数据孤岛。一个新应用会自带一个数据库，这种孤岛让你无法充分利用数据中蕴藏的东西。他已经开始对大型银行说：不要在云上重新制造一个孤岛世界。你的数据科学、机器学习和 AI 团队在试图叠加、融合、微调和训练时，会非常沮丧。数据宇宙是一个比企业本身更大的生态：FactSet、彭博、标普，还有数百种对冲基金的数据流。这也是为什么他们要做多云。按定义，你不可能只靠单一公有云平台建成数据云。

另一个变化是，它不再是一个自成一体的数据库，只靠 ODBC 和 JDBC 让外部应用来连接。那会突破治理边界。应用需要在平台内部执行，不能放到外面。他们有一个叫 Snowpark 的可编程层、一个原生应用框架，这是一套不同于他成长时那个本地部署世界的技术栈。他们收购的 Python 可视化项目 Streamlit，逻辑也是一样：Python 程序员本能地会用它，把机器学习模型做成业务用户可以使用的东西，让他们调整变量并看着图表重新绘制。之所以把它搬进 Snowflake，变成 Streamlit in Snowflake，是因为你需要一个坚固、可信、受控的治理边界。把 Python 带到你的数据旁边，也许两周就能完成；但人们每隔几周就会下载一批库，却不知道自己暴露在怎样的数据外泄风险里。Snowflake 花了两年时间，让 Python 变得不再渗漏。大型金融机构不会让 Python 靠近核心数据。Snowflake 的回答是：在边界之内做，同时不制造暴露面。在 AI 的世界里，如果你没有高度组织、优化、受控、可信的数据，你希望模型去做什么？去数据湖里训练吗？他称它为垃圾场。你不知道里面有什么，每个人都往里倒东西。数据产品，就是把数据从其中拿出来，变成一个可信、经过优化、被理解的对象，交给业务部门，并且你能为它负责。这是首席数据官的工作。

Gil 问，ChatGPT 和 GPT-4 的热潮才几个月，大企业光做规划就要花六个月，它是怎么进入企业的？Slootman 的出发点几乎朴素得过分：大语言模型关乎的是语言。这件事很重要。他在学校学过 COBOL 的基础，也就是“通用商业导向语言”（Common Business Oriented Language），但这门语言里既不通用，也不面向商业，极其晦涩；不过跟汇编和机器码相比，它的语法已经惊人地好懂了。1980 年代，SQL 也被定位成普通人也能用来查询数据的工具。人们与数据的关系一直在演进，却依然让人极度沮丧：临时查询（ad hoc）、标准化报表、仪表盘。转向自然语言，是最后一公里。对需求的影响将是巨大的，因为只要有一点识字能力，甚至可能根本不必识字，每个普通人都能直接开口，从数据里拿到价值。

他对生成式能力划出了一条明确的界线。生成式能力在你计划去黄石国家公园旅行时很酷。但在企业里，你处理的是结构化的专有数据，跟规划旅行毫不相干。一家保险公司可能会问：我们在佛罗里达州的人身伤害索赔明显偏高，周边各州却没有，这是为什么，下个季度还会这样吗，我们要不要停止承保，要不要调整定价？你不可能从大语言模型那里得到这个答案。文本转 SQL（text-to-SQL）他认为极其有价值，但它与针对结构化专有数据的深入分析是两个不同的领域。你需要的是业务模型，而不只是语言模型，因为这个问题要求你理解承保和定价。在车险领域，Geico、Progressive、Liberty Mutual 等公司，车联网数据（telematics）对每一家都是头号数据：车上的设备知道你什么时候超速。这就是他们现在为风险定价的方式，既降低了价格，又提高了利润。这是极其高效的数据，是赢家与输家之间的差别。而这甚至还不是 AI，那是机器学习。分析师可能要花上好几周，或者你请来麦肯锡或贝恩。系统应该开始为这些问题提供洞察。这正是 Snowflake 的立足点：专有的结构化企业数据，加上语言。相当强大。

他们收购了 Neeva，这是一家由前谷歌员工创办的搜索公司，为的就是这方面的专长。他是个搜索上瘾的人。搜索让人上瘾，因为它让你能探索一切已知、已写、已发表、有观点的东西。问题在于它缺乏上下文，只会按字符串匹配。在 Snowflake 上搜索，你可能拿到公司、天气，或某种社会现象。在数据领域，丰富化和上下文才是关键。一个属性就能让一个数据字段从平庸变得高标号，因为它创造出了上下文：突然间有了洞察力、影响力，还有预测性。有状态的搜索加上对话，就成了一场自然语言的对话。再结合各行业特定的新一层智能，依然有一个充满机会的世界在等待。他认为，Snowflake 的界面会在未来五到十年里，朝着更自然的语言和更广泛的用户群演进。商业智能（BI）公司，包括 Tableau、Looker，以及仪表盘的世界，依然有未来，因为仪表盘也会告诉人们，你希望他们以什么样的方式去看数据。并非所有分析都是临时性的。对于临时查询，没有什么比自然语言更好。他们内部已经把 Salesforce 的数据推进了 Snowhouse，也就是他们自己的 Snowflake 数据库。他问，这个国家或那个市场里两位头号销售是谁，它会在几分之一秒内给出答案，并附上图表。跟搜索一样令人上瘾，你只会一直用下去。BI 会受到严重冲击。

十次客户对话里，有九次谈的都是行业用例，技术、架构和迁移反倒排在后面。在我们需要的规模上，医疗在经济上无法成立；数据可以让它变得可预测、可规范：谁在什么时候对什么疾病有风险，他们需要做什么。数据没有观点，它给你的是准确性。机构不想治疗疾病，它们想预防和预见疾病。在制药行业，把一款药推向市场平均需要 12 年，而专利剩余期限只有 5 年；把这个周期压缩一年、两年或三年，就会改变整个行业的经济账。供应链是第三个例子：他们刚宣布，Blue Yonder 将全面迁移到 Snowflake 上重建平台。供应链管理从未被平台化，因为数据问题无解；它至今仍是一门靠邮件和电子表格过活的生意，活在 30 年前的微软世界里。要让供应链各主体之间的信息透明，需要一个统一的数据宇宙。这对研发的影响是残酷的：平台必须足够宽、足够深。如果它做不到人们需要的事，他们就会把数据泵到别处，你又回到了碎片化。网络安全合作伙伴也运行在数据云上，因为客户不会再买另一个数据库容器。把数据带到这里，与漏洞来源结合起来，分析师就能在一个宇宙里搜索，而不必在 15 个宇宙之间来回切换。

宏观环境的转变，从疯狂买软件变成削减 SaaS 预算，是否改变了他对按消费或按积分定价的看法？并没有。投资人最喜欢的，是客户被你掐住脖子，你还能拿枪顶着他们的脑袋。他对此并不特别喜欢。在 ServiceNow，他始终觉得这种关系不对等：客户签下的合同动辄数百万美元，花九个月才能上线，并且整个期间都要为所有用户付费。他喜欢 Snowflake、云计算和消费模式的地方在于，你为你用到的东西付费，这是一种公用事业式的模式。它有时会让人难受吗？会。他曾和拉斯维加斯一家银行的 CIO 聊过：这家银行增长 3%，Snowflake 的用量却在增长 22%，这种情况不可能一直持续。CFO 介入后说，这就是你的面包盒的大小，接受吧。人们只好回到绘图板前。颗粒度正是关键。你可以下调配额、降低工作负载的运行频率、修改保留期，并在近乎实时的情况下降低存储和计算的消耗。在 SaaS 订阅里，客户要等到下一个续约周期，才会开始砍掉一条胳膊。投资人不喜欢这样。上行时他们爱死了，下行时他们恨死了。

经营者应该如何度过低迷期？他看到了亚马逊、Meta 和谷歌的裁员。Snowflake 不做大裁员，因为他们不会等到巨大的逆风才行动。他们一直在修剪这棵树，所以不必把它变成某种大规模、极其令人不安的事件。资源管理应该每天都在做：不只是绩效，还要让供需保持同步、保持对齐，并且持续进行。文化已经演变到一个地步：把某个人赶出工作岗位，这种对抗性强到让人难以想象，于是人们会视而不见，直到危机来临，再一下子裁掉数以万计的人。他不认为这样公平，也不认为有效。他的世界没有太大变化，因为他一直都在这样做。人们不习惯生活在低迷期。当你待得更久之后，他们会慢慢接受。这是生活的一部分。加倍投入，摆出你的正经架势，打起精神，准备好上阵。这其实会很有趣。这正是真正的较量所在。人们从小就以为树会长到天上去。树长不到天上去。每个人都需要稍微长大一点，给自己套上现实的缰绳。

对创业公司来说，融资是完全不同的游戏，他们需要想得更深。在 Data Domain，他们是一个融资里程碑接着一个融资里程碑地经营公司，那就是当时的样子。近些年，人们不必那样去经营企业、为融资里程碑做准备。他们应该这样做，因为那是保持公司存活的方式。融资对公司而言就是氧气。Gil 说，重力重新开始起作用了，大家都在意识到这一点。Slootman 以书名收尾：在下一场会议、下一条信息、下一次接触中，把强度提起来。这是一种选择。不要害怕别人会反应不好，他们不会的，优秀的人其实会非常喜欢。注入能量、专注、强度和质量，让整个地方开始感觉激动人心，而不是一直盯着钟表，熬到四点或五点。在充满能量的环境里生活，比在毫无生气的环境里要容易得多。